← 返回卡片

原书出处

智能算法导论

181 1 9 . 2 神 经 网 络 算 法 实 现

核验版本的摘录快照 · 导入于 2026-10-23T08:14:02.893Z

之间的差异最小,那么该解就可以理解为此时的一个最优解。通常损失函数越好,则模型的性能也越好。常见的损失函数有如下几种。

0-1损失函数(0-1 loss function): 平方损失函数(quadratic loss function): 绝对损失函数(absolute loss function): 对数损失函数(logarithmic loss function)或对数似然损失函数(log-likelihod loss function): 从损失函数的上述说明易知,损失函数衡量了一个样本的预测与实际值之间的差异。一般通过叠加方式衡量整个集合的预测能力: 其中,N对应的是样本的数目;R(f)又可以称为代价函数,或是经验风险。

经验风险即对数据集中的所有训练样本进行平均最小化。经验风险越小则表明该模型对数据集训练样本的拟合程度越好,但对于未知的测

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter19_0004.xhtml

EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d